[发明专利]碎片化阅读习惯识别方法、装置、可读介质及电子设备

权利要求书

1.一种碎片化阅读习惯识别方法，其特征在于，所述方法包括：

获取受试者在持续注意测试下的多个有效脑电信号，步骤包括：

将伪随机序列中的白色数字依次显示在黑屏中央，每个所述白色数字的显示时间是第一时长，两个所述白色数字显示的间隔时间为第二时长，其中，所述伪随机序列包括由数字1、2、3、4、5、6、7、8、9组成的第一预设数目个数字；

在所述伪随机序列显示期间，获取所述受试者在注视所述黑屏和根据所述黑屏反应下的64通道脑电信号，其中所述反应包括正确反应和错误反应，所述正确反应为：在出现第一数字后出现第二数字的情况下动作，其它情况下不动作，所述第一数字为数字1至9中的任何一个，所述第二数字与所述第一数字不同；

对所述64通道脑电信号进行处理，得到处理后的64通道脑电信号，所述处理包括滤波、平均重参考和去除伪迹；

针对处理后的每通道脑电信号，截取与所述伪随机序列显示各间隔对应的脑电信号，得到第二预设数目段脑电信号，每段脑电信号即为有效脑电信号，其中，每段脑电信号与所述伪随机序列各间隔前显示的数字对应，所述第二预设数目小于或等于所述第一预设数目；

根据多个所述有效脑电信号，得到脑电特征集，包括：

针对每个所述有效脑电信号，计算得到该有效脑电信号的功率谱；

根据多个所述有效脑电信号的功率谱计算得到每个所述有效脑电信号的相对功率谱；

根据每个所述有效脑电信号的相对功率谱，计算得到每个所述有效脑电信号的重心频率；

根据每个所述有效脑电信号的功率谱或相对功率谱，得到每个所述有效脑电信号的各频段的相对功率和各频段两两之间的相对功率比值；

其中，64通道的第二预设数目段脑电信号的每个所述有效脑电信号的重心频率、每个所述有效脑电信号的各频段的相对功率和各频段两两之间的相对功率比值构成了所述脑电特征集，64通道的每个所述有效脑电信号的重心频率、每个所述有效脑电信号的各频段的相对功率和各频段两两之间的相对功率比值作为一个样本，则所述脑电特征集包括第二预设数目个样本；

将所述脑电特征集输入预设阅读习惯识别模型，得到所述预设阅读习惯识别模型输出的多个识别结果，并根据所述多个识别结果识别所述受试者有无碎片化阅读习惯，其中，所述识别结果为有碎片化阅读习惯或无碎片化阅读习惯。

2.根据权利要求1所述的方法，其特征在于，所述阅读习惯识别模型是通过以下方式训练得到的：

获取多个有碎片化阅读习惯用户的脑电特征集，根据用户输入的第一标注指令对得到的每个所述脑电特征集内的每个样本进行标注，所述第一标注指令为有碎片化阅读习惯；

获取多个无碎片化阅读习惯用户的脑电特征集，根据用户输入的第二标注指令对得到的每个所述脑电特征集内的每个样本进行标注，所述第二标注指令为无碎片化阅读习惯；

根据标注后的样本对应的数字，将标注后的所有样本划分为与各数字对应的样本集；

基于所述与各数字对应的样本集分别进行机器学习，得到与各数字对应的阅读习惯识别模型；

将所述与各数字对应的阅读习惯识别模型中准确率高的模型作为所述预设阅读习惯识别模型；

所述将所述脑电特征集输入预设阅读习惯识别模型，得到所述预设阅读习惯识别模型输出的多个识别结果，并根据所述多个识别结果识别所述受试者有无碎片化阅读习惯包括：

将所述脑电特征集中与所述预设阅读习惯识别模型中对应数字相同的样本输入所述预设阅读习惯识别模型，得到所述预设阅读习惯识别模型输出的多个识别结果；

根据所述多个识别结果中占比多的识别结果，识别所述受试者有无碎片化阅读习惯。

3.根据权利要求2所述的方法，其特征在于，所述基于所述与各数字对应的样本集分别进行机器学习，得到与各数字对应的阅读习惯识别模型包括：

将所述与各数字对应的样本集分别输入matlab，遍历Classification Learner中的所有分类模型进行机器学习，并采用十折交叉验证法进行测试验证，筛选出所述所有分类模型中准确率最高的分类模型，作为所述与各数字对应的阅读习惯识别模型。